机器学习在传统发酵食品微生物结构及品质控制中的应用研究进展

• Published in: 食品工业科技 Vol. 45; no. 13; pp. 360 - 367
• Main Authors: 王宁晓璇, 李欣, 黄玉立, 王雅利, 赖海梅, 杨梦露, 汤臣薇, 葛黎红, 赵楠
• Format: Journal Article
• Language: Chinese
• Published: 四川省农业科学院农产品加工研究所,四川成都 610066%四川省农业科学院农产品加工研究所,四川成都 610066%四川省农业科学院农产品加工研究所,四川成都 610066 2024; 成都大学食品与生物工程学院,四川成都 610106%四川大学计算机学院,四川成都 610065%四川师范大学生命科学学院,四川成都 610101; 四川师范大学生命科学学院,四川成都 610101
• Subjects: flavor; 机器学习; personalized consumption; traditional fermented food; 风味; data processing; 数据处理; machine learning; microbial structure; 微生物结构; 个性化消费; 传统发酵食品
• ISSN: 1002-0306
• DOI: 10.13386/j.issn1002-0306.2023070288

TS201.3; 传统发酵食品独特的风味属性、丰富的营养成分与其复杂多变的微生物结构密切相关,这也使得发酵终产品的品质难以控制.为了探讨食品发酵过程中微生物结构、感官与营养品质变化规律及二者之间的内在联系,数据分析过程是关键步骤.因此,建立发酵食品品质控制的快速、准确数据分析方法非常必要.机器学习具有维度简化率高、数据通量大、预测精度高等优势,在发酵食品品质控制领域展现出巨大的应用潜力,已成为研究热点之一.本文综述了机器学习在发酵食品品质控制中的应用,在概述常用机器学习分类模型的基础上,系统阐述了机器学习在食品发酵过程中菌群结构演变预测、风味化合物组成分析以及个性化消费定制等方面的应用,并对机器学习应用于传统发酵食品品质控制中存在的问题及发展趋势进行了总结和展望.尽管目前机器学习在发酵食品中的应用仍受限于模型普适应不足、预测指标单一、个性化消费场景有限等问题,但随着技术模型的迭代更新、面向工艺全流程多因素的适应性改进以及在个性化消费背景下的应用拓展,机器学习在发酵食品领域将发挥出更大的实际应用价值.本研究旨在为机器学习在传统发酵食品的标准化、可控化生产中的进一步应用提供参考.